Numpy 与Pytorch 关于一维数组的处理(1)

本文详细介绍了在Numpy和Pytorch中处理一维向量的element-wise乘法与点积运算的区别,并通过示例代码展示了不同情况下两种运算的具体实现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

引入

在人工智能的训练中,常常会遇到,element-wise的乘法(对应项相乘)和点积(点乘)运算。很多学习人工智的小伙伴多是从Numpy入手,然后转到Pytorch的。
但是有一些,小的问题处理上,还是有一些差距,会造成很多的误解。比如,对于一维向量的乘法和点积就有如下的差别:

Numpy中的一维数组的乘法与点乘

element-wise的乘法的结果,仍然是,向量。而 点积(点乘)的运算则是一个具体的值。

import numpy as np
a = np.array([1, 2, 3])
b = np.array([1, 2, 3])
print(np.dot(a, b),   np.multiply(a, b))

运算结果:

14   [1 4 9]

Pytorch中的一维数组的乘法与点乘

import torch
a = torch.tensor([1, 2, 3])
b = torch.tensor([1, 2, 3])
print(torch.mul(a, b))
print(torch.mm(a, b))

运算结果:

tensor([1, 4, 9])
Traceback (most recent call last):
    print(torch.mm(a, b))
RuntimeError: self must be a matrix

element-wise的乘法是没有问题的,但是,点积的求法,则会报错。该如何改呢?

import torch
a = torch.tensor([1, 2, 3]).unsqueeze(dim=0)
b = torch.tensor([1, 2, 3]).unsqueeze(dim=1)
print(a.shape,  b.shape)
print(torch.mm(a, b))

运算结果:

torch.Size([1, 3]) torch.Size([3, 1])
tensor([[14]])

如果,在此时,作一下,element-wise的乘法,会如何呢?
结论是会发生,广播机制。

import torch
a = torch.tensor([1, 2, 3]).unsqueeze(dim=0)
b = torch.tensor([1, 2, 3]).unsqueeze(dim=1)
print(a.shape, b.shape)
print(torch.mul(a, b))

结果:

torch.Size([1, 3]) torch.Size([3, 1])
tensor([[1, 2, 3],
        [2, 4, 6],
        [3, 6, 9]])
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

developer_wgl

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值